找出表格中隐藏的 NaNs

真实数据集充满缺口。在开始任何分析之前，您需要知道缺失值藏在哪里，因为它们会悄悄扭曲您所信赖的每个结果。🔎

在 pandas 中，空单元格通常会显示为 NaN，它是 Not a Number（非数字）的缩写。这是表示某个值确实不存在的标准标记。

一个常见陷阱是把 NaN 当作 0。零是真实的测量值，而 NaN 表示您根本没有测量结果。二者表达的含义完全不同。

isna() 方法会返回一个由 True 和 False 组成的表格，每个单元格对应一个标记，准确指出整个 DataFrame 中哪些位置缺少值。

链式调用 isna().sum()，即可一次统计每一列中的缺失单元格数量。True 会按 1 计数，因此每列的总数就是该列的空缺数量。

想知道表格中所有空缺的总数吗？再添加一个 sum()，即可将各列的数量汇总为一个数字。

在大型表格中，单纯看数量可能会产生误导。除以 len(df)，即可查看每列缺失值所占的比例，从而判断应当如何认真处理。

isna 的相反方法是 notna()，它会标记确实包含值的单元格。当您只想保留完整的行时，这个方法非常方便。

用 isna() 绘制热力图，可以把空缺转换成图像，因此缺失行或缺失列的聚集区域会比扫描数字明显得多。

要检查有问题的行，请筛选出每行中至少有一个值缺失的记录。这样您就能准确看到哪些记录需要处理。

在进行任何修复前先了解缺失情况，可以让您的判断更加客观。您应根据证据决定如何处理空缺，而不是凭猜测判断问题有多严重。

现在，您可以使用 isna 查找缺失数据，按列统计缺失值，将其表示为百分比，并以图形方式展示。看见空缺是修复它们的第一步。